基于深度学习和仿真的汽车碰撞损伤预测方法

发布时间：2022-01-25 17:23

　　自动驾驶目前已成为汽车领域的研究热点,而自动驾驶安全问题是制约自动驾驶技术的最关键因素之一。高效准确的防撞预警ADAS算法对于保障自动驾驶车辆和周边行人的安全具有重要作用。现有的防撞预警算法均基于传统的安全车距模型来判断是否发生碰撞,不具备任何预测功能。若ADAS防撞算法能在汽车行进过程中实时预测未来可能发生的碰撞事故和后果,减少驾驶员不当的驾驶行为,可有效避免车祸发生。本文基于碰撞仿真大数据和深度学习方法,提出了一种仿真数据驱动的有预知功能的防撞预警算法,该算法能够提前直接预测计算两车碰撞后的车辆和乘员的损伤程度,使得驾驶员在得知相应的危险程度后,提前做出规避动作,从而杜绝事故的发生。本论文主要研究内容如下:（1）基于PC-Crash建立了深度卷积神经网络需要的碰撞仿真大数据。首先,利用PC-Crash仿真软件建立了小汽车和大卡车车辆模型,对它们的各种碰撞工况进行了仿真,计算出在相应工况下两车碰撞后的损伤系数,从而获得深度学习神经网络所需要的仿真数据的数据集。其中,两车的质量,相对速度,相对角度,相对距离是深度学习神经网络的输入,两车碰撞后的车辆的损伤程度是神经网络的输出。其中,损伤... 

【文章来源】：大连理工大学辽宁省 211工程院校 985工程院校 教育部直属院校

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

交通事故因素Fig.1.1Trafficaccidentfactors


本文编号：3608942